a16z Podcast

Une IA super-intelligente pourrait-elle potentiellement démanteler les fondements cryptographiques de notre système financier mondial du jour au lendemain ? Cette question provocatrice sert de catalyseur à une analyse approfondie de l’intersection entre les modèles d’IA de pointe et les hypothèses mathématiques qui sécurisent tout, des iMessages privés aux portefeuilles Bitcoin. La conversation découle d’une récente vague de percées mathématiques réalisées par OpenAI et des avertissements consécutifs de figures comme Justin Drake, qui a exhorté l’industrie crypto à passer en « mode bunker » pour protéger les actifs contre d’éventuelles attaques pilotées par l’IA.

Le professeur Dan Boneh et l’équipe d’a16z s’efforcent de démêler rapidement deux menaces souvent confondues : l’informatique quantique et l’IA. Alors que les ordinateurs quantiques dépendent de percées matérielles spécifiques pour résoudre certains problèmes mathématiques, la menace de l’IA est ancrée dans la « capacité cognitive » — la possibilité qu’un modèle trouve un raccourci mathématique ingénieux ou un nouvel algorithme que les cryptographes humains auraient tout simplement manqué. Cependant, Boneh souligne que la panique actuelle repose largement sur un vide informationnel plutôt que sur une découverte concrète. Malgré les bonds massifs d’OpenAI en mathématiques générales, aucune preuve publique n’indique que l’IA a réussi à attaquer des systèmes cryptographiques standardisés.

La discussion révèle que la cryptographie est essentiellement un jeu d’« attente ». Puisque nous ne pouvons pas prouver mathématiquement que certains problèmes sont impossibles à résoudre (en lien avec le problème non résolu P contre NP), nous nous appuyons sur le fait que des milliers d’experts ont tenté, sans succès, de briser ces systèmes pendant des décennies. L’émergence de l’IA accélère ce calendrier. Si un laboratoire de pointe peut simuler l’effort de cent mille mathématiciens experts en un mois et échouer tout de même à craquer un système, cela renforce en réalité la confiance dans la sécurité de ce système, bien plus que ne le pourraient des décennies d’efforts humains.

Lorsqu’ils abordent le scénario hypothétique — la rupture effective de la cryptographie sur les courbes elliptiques (ECC) — les intervenants expliquent que le monde est mieux préparé que le public ne le pense. Grâce à la « crypto-agilité », de nombreux systèmes modernes (dont iMessage et Signal) déploient déjà un chiffrement hybride combinant l’ECC avec des systèmes basés sur les réseaux euclidiens (lattice-based). Si l’un échoue, l’autre sert de solution de secours. Tandis que la communauté blockchain débat actuellement de l’opportunité de passer à des signatures basées sur le hachage (considérées comme plus robustes mais moins riches en fonctionnalités) ou à des systèmes basés sur les réseaux, la stratégie globale consiste à s’assurer qu’aucune hypothèse mathématique unique ne constitue un point de défaillance total.

En fin de compte, les experts considèrent l’IA comme un gain net pour la sécurité. Si le potentiel « offensif » de l’IA est effrayant, son utilité « défensive » est transformative. L’IA peut être utilisée pour scanner des logiciels à la recherche de bugs à une échelle et une vitesse auparavant impossibles, réduisant potentiellement le nombre de vulnérabilités dans le code critique vers zéro. Plutôt que comme une menace cataclysmique, l’IA est présentée comme un auditeur puissant capable d’aider les humains à construire des logiciels « blindés » en testant les hypothèses bien avant qu’elles ne soient déployées dans le monde réel.

Perspectives Surprenantes

• Le paradoxe de la confiance : Si les laboratoires d’IA tentent de briser la cryptographie actuelle et échouent, cela augmente en réalité notre confiance dans la sécurité de ces systèmes plus que ne l’ont fait les tentatives humaines.


• L’ironie du « mode bunker » : L’hygiène de sécurité spécifique recommandée pour ceux qui craignent les attaques d’IA (comme ne pas exposer les clés publiques) est déjà une pratique standard pour les grandes institutions comme Coinbase.


• IA vs Quantique : Contrairement aux menaces quantiques, qui ciblent des algorithmes spécifiques, l’IA est une menace plus large car elle pourrait théoriquement trouver des failles également dans les systèmes « post-quantiques ».


• Limitations du hachage : Bien que les signatures basées sur le hachage soient considérées comme extrêmement sûres, elles sont « algébriquement pauvres », ce qui signifie qu’elles manquent des propriétés flexibles (comme les signatures à seuil) offertes par les systèmes basés sur les réseaux.


• La fin du code fermé : Les intervenants suggèrent que la capacité de l’IA à décompiler efficacement le code signifie que le concept de logiciel « propriétaire » (closed source) est essentiellement obsolète.


• Zéro bug asymptotique : Parce que l’IA réduit le coût du travail intellectuel, nous approchons peut-être d’un futur où les bugs logiciels seront entièrement éliminés dès la conception.

enseignements Pratiques

• Prioriser la crypto-agilité : Concevoir des systèmes capables de passer rapidement d’une primitive cryptographique à une autre sans nécessiter une reconstruction complète de l’infrastructure.


• Éviter les migrations paniquées : Pour l’utilisateur moyen, il n’est pas nécessaire de déplacer des fonds ou de changer de comportement aujourd’hui, car aucune rupture cryptographique spécifique n’a eu lieu.


• Implémenter le chiffrement hybride : Dans la mesure du possible, utiliser plusieurs types d’hypothèses cryptographiques (par exemple, combiner les courbes elliptiques avec les réseaux) pour créer un filet de sécurité.


• Se concentrer sur l’hygiène : Suivre les meilleures pratiques institutionnelles — comme minimiser l’exposition des clés publiques sur la chaîne — quelle que soit la menace spécifique (IA, quantique ou humaine).


• Tirer parti de l’IA pour l’audit : Utiliser des modèles de pointe pour scanner proactivement le code et tester les hypothèses mathématiques avant la mise en production d’un produit.


• Réduire les hypothèses : Dans des environnements spécialisés comme les blockchains, viser la réduction du nombre d’hypothèses mathématiques différentes sur lesquelles repose le système afin de minimiser la surface d’attaque.